谱聚类-Adaboost集成数据挖掘算法在岩性识别中的应用

针对原有岩性分类方法精度较低、泛化能力不足、结果较不稳定以及不符合地质情况的事实,提出基于谱聚类-Adaboost集成算法的数据挖掘技术,应用谱聚类算法对噪音数据不敏感及可收敛到全局最优解的特点,解决样本数据过滤的问题,有效去除数据冗余;依据数据挖掘集成思想中的Adaboost集成算法对基分类器C4.5进行集成优化,将弱分类器提升为强分类器,提升分类能力。通过对某地区498块致密砂岩岩样资料进行处理,结果表明:谱聚类方法的样本筛选能力较交会图方法与经典聚类方法更强;而Adaboost集成算法不仅精度较BP神经网络等经典分类算法高,而且具有着较强的泛化能力,较好地解决了基分类器存在的稳定性弱、泛化能力差等问题;利用谱聚类去除样本冗余-Adaboost集成算法判别的思想使得算法的稳定性更高,岩性判别率稳定到81.96%,明显高于其他判别方法;该方法思路新颖,效果较好,可以进行推广。     

双聚类算法SMR在图像聚类中的应用

大数据时代,从大量数据中寻找出数据潜在的关联受到广泛关注。双聚类是指对行和列同时聚类,对矩阵局部进行搜索,旨在对高维数据中的有效信息进行发掘,主要应用于基因表达序列。通过对双聚类算法SMR进行深入研究,对其进行改进,加入稀疏性和非负性,使得在原有基础上的“硬”聚类转变为“软”聚类。应用到图像领域,对图像中的局部信息能很好地聚类。实验结果表明,改进后的算法收敛速度很快,效果很好。     

基于密度的空间聚类算法在照明运维中的应用

城市照明数字化综合管理系统应用过程中会产生大量设施维护事件记录,这些数据在类型和空间分布上蕴含大量信息,对这些数据进行分析并加以应用很有必要。对基于密度的空间聚类算法（DBSCAN）进行了研究。介绍了DBSCAN算法的基本概念和原理,将该算法应用于城市照明管理业务数据中,对照明设施维护热点分布进行聚类分析,根据聚类结果为城市照明运维管理区域划分和运维资源规划提供参考依据。     

层次聚类算法在图像处理中的应用

聚类分析在涉及多维数据分析或处理的学科中都是很普遍的。由于计算机视觉领域中的图像分割经常表示成一个聚类问题,所以聚类方法在模式识别、图像处理、信息检索中的应用越来越受关注。结合采样技术、分块技术及数据压缩技术,研究了层次聚类算法在图像处理中的应用。     

聚类算法在市政绩效评估中的应用

针对K means聚类算法,结合市政绩效评估的需要进行改进。以稳定K means聚类算法中心和选取最优聚类个数为目的,提出基于Kruskal算法和轮廓系数法的K means聚类算法。针对区县不同结构实际市政绩效评估数据,按照商业智能和IQR规则进行预处理,然后利用改进的K means聚类算法对预处理后的数据进行聚类分析。实验结果表明,该算法能够有效地确立各市政事件、部件的发生频数等级,帮助市政管理者发现各市政事件、部件之间关联关系,提高其科学决策能力。     

基于 Spark 的均值漂移算法在网络舆情聚类中的应用

为改善网络舆情态势感知与预警中舆情信息分析不准确的问题,提出基于 Spark 技术的均值漂移（MS）算法,利用该算法原理分析 Spark 框架特性,给出该算法在 Spark 框架中的实现过程,包括舆情信息预处理、特征提取、特征向量模型构建和算法聚类设计。在相同数据集下将 MS 算法和 K-means 算法聚类效果进行对比,实验结果显示,K-means 算法聚类结果受 k 值选取的影响,存在聚类结果不准确的问题;基于 Spark 的 MeanShift 算法在没有任何先验条件下舆情聚类效果优于 K-means 聚类算法,且符合预期期望。     

基于谱聚类算法的音频聚类研究

提出一种新颖的基于谱聚类的音频聚类算法,首先对音频数据进行预处理,得到三维音频向量,然后根据向量之间的距离计算音频相似度,最后设计谱聚类算法获得音频数据聚类结果。在网易云音乐数据上的对比实验表明,与K means算法和快速查找密度峰值聚类算法相比,该算法获得的聚类结果更加优越。     

模糊聚类算法在案例教学系统中的应用研究

针对传统案例教学系统检索效率不高,缺乏智能性等特点,本文提出采用模糊聚类的方法对学生和案例分别进行聚类分析,使得具有相同个性特征的学生划分到一个类中,同时对案例库中的案例根据相似性程度进行聚类组织,最后通过学生综合能力的测试,对具有相同认知能力的学生推荐合适的一组案例,优化了传统的CBR系统。     

K-means聚类算法及其在网络舆情中的应用

互联网的快速发展,使得网络成为公众发布信息和交流观点的主要平台,网络舆情成为社会舆情的重要组成部分,网络舆情数据的获取与分析为舆情态势和预警提供了技术支持,对政府掌握最新舆情动态以及我国民主法治建设、精神文明建设具有重要意义。通过对比分析,对近年来网络舆情热点的获取方法进行了研究,在理解K-means聚类算法基础上进一步改进该算法,对新闻中的关键词进行聚类分析以获得舆情热点,并给出算法实现过程。该方法为引导网络舆情发展方向提供了依据,也可以及时防范误导性言论对社会公众的消极影响。     

聚类算法在教学质量评估体系中的应用分析

教学质量评估在高校教学管理中起到非常重要的作用,如何将数据挖掘中的聚类算法应用其中,找到隐藏在大量数据中的有用信息至关重要。从聚类方法的介绍、基于学生评分数据的聚类分析应用及详细分析过程,最终得出聚类结果对于教学及管理的指导作用。     

Prediction of malignancy selective neural networks degree in brain glioma using ensemble

A clustering algorithm based selective neural networks ensemble （CLUSEN） is proposed to predict the degree of malignancy in brain glioma. Since the degree prediction of malignancy is critical before brain surgery, many learning methods are used like rule induction algorithm, single neural networks, support vector machines, etc. Ensemble learning methods can improve the generalization of single learning machine, and are becoming popular in the machine learning and medical data processing communities. The procedure of CLUSEN can efficiently remove redundancy learning individuals and help improve the diversity of ensemble methods. CLUSEN is used to predict the degree of malignancy in brain glioma. Experimental results on a set of brain glioma data show that, compared to support vector machines, rule induction and single neural networks, the classification accuracy of CLUSEN is higher.     

基于支持向量回归神经网络的动态系统辨识

结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR-NN).首先,利用支持向量回归方法确定SVR-NN的初始结构和初始化权值,基于支持向量自适应地构造SVR-NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR-NN为非线性系统辨识提供了极有吸引力的新途径.     

3D brain glioma segmentation in MRI through integrating multiple densely connected 2D convolutional neural networks

To overcome the computational burden of processing three-dimensional(3 D) medical scans and the lack of spatial information in two-dimensional(2 D) medical scans, a novel segmentation method was proposed that integrates the segmentation results of three densely connected 2 D convolutional neural networks(2 D-CNNs). In order to combine the lowlevel features and high-level features, we added densely connected blocks in the network structure design so that the low-level features will not be missed as the network layer increases during the learning process. Further, in order to resolve the problems of the blurred boundary of the glioma edema area, we superimposed and fused the T2-weighted fluid-attenuated inversion recovery(FLAIR) modal image and the T2-weighted(T2) modal image to enhance the edema section. For the loss function of network training, we improved the cross-entropy loss function to effectively avoid network over-fitting. On the Multimodal Brain Tumor Image Segmentation Challenge(BraTS) datasets, our method achieves dice similarity coefficient values of 0.84,0.82, and 0.83 on the BraTS2018 training; 0.82, 0.85, and 0.83 on the BraTS2018 validation; and 0.81, 0.78, and 0.83 on the BraTS2013 testing in terms of whole tumors, tumor cores, and enhancing cores, respectively. Experimental results showed that the proposed method achieved promising accuracy and fast processing, demonstrating good potential for clinical medicine.     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题。各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化。 BP神经网络容易陷入局部最优,而且训练时间较长。文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指。     

Prediction Model of Antibacterial Activities for Inorganic Antibacterial Agents Based on Artificial Neural Networks

Quantitatively evaluation of antibacterial activities of inorganic antibacterial agents is an urgent problem to be solved. Using experimental data by an orthogonal design, a prediction model of the relation between conditions of preparing inorganic antibacterial agents and their antibacterial activities has been developed. This is accomplished by introducing BP artificial neural networks in the study of inorganic antibacterial agents..It provides a theoretical support for the development and research on inorganic antibacterial agents.     

基于神经网络的转换GPS高程的新方法

GPS高程是相对于WGS-84椭球体的大地高,因此,在工程应用中,GPS高程需要转换为正常高.转换GPS高程通常采用二次曲面拟合法(CFM)和神经网络方法(NNM),但这2种方法各有优缺点.在研究了这2种方法之后,提出了一种转换GPS高程的新方法,该方法综合了上述2种方法的优点,故取名为“CF&NNM”方法.介绍了CF&NNM方法的思路和计算过程.通过一个工程实例,列出了上述3种方法的数据处理结果,新方法效果最好.对CF&NNM方法进行了理论分析.     

双语加工的脑神经基础差异研究

掌握两种语言(L1:first language;L2:second language)的双语者,其语言中枢是否和单语者相同?文章围绕该问题探讨了许多研究证实的双语者加工不同语言时会激活不同脑区的研究结论,并支持了不同的双语语言是由不同脑皮层来表征这一理论,也分析了第二语言的流利性、语音、语法等特点,都是影响双语脑区激活的重要因素。     

神经网络的滚动轴承故障诊断

文章通过旋转机械故障实验平台,采集旋转机械故障实验台轴承的3种工作状态分别是轴承正常、轴承内圈裂缝、轴承外圈裂缝的振动加速度信号．对信号进行零均值化处理后,选择频率成分幅值较大的频率进行信号重组,提取其时域量纲特征值,利用神经网络进行故障类型的识别;通过实验,取得了很好的诊断结果．     

BP神经网络计算法及其应用研究

研究了BP神经网络的算法,提出了权值、阈值调整的双动量算法和学习率调整的批处理半恢复自适应调整法,使网络总体收敛性较好,用所设软件计算了15种含氢原子共价键的键长。